GreenWAM 提出一个跨 20 种机器人形态的共用关节动作空间，通过联合训练让同一模型同时承担世界模型和策略两个角色。它在 WorldArena 1.0 轨迹、深度和 3D 预测上领先，在 RoboTwin 2.0 进入前列，并在 LIBERO-plus 取得对比方法中最高的零样本成功率；适配到真实人形机器人后表现优于基于 π₀.₅ 和 Cosmos 3 Edge 的策略。
推荐理由：论文给出统一世界模型在20种机器人形态上的联合训练和评测结果，便于对比它与专用策略在不同任务上的差距。
DeltaStreamer 是一个面向流式视频理解的开源智能体，可持续观察视频并在问题到达时按需回溯画面，代码与交互 demo 已在 GitHub 开源。它结合三项能力：对比相邻帧记录场景变化与描述、将视觉证据组织为带索引的结构化记忆、按需检索并重访原始帧。
推荐理由：原文给出了面向持续视频流的代理框架，强调可按需回溯画面与结构化记忆，并附有开源代码与可交互 demo。
InfiniSplat v2 在六个数据集上以同一训练模型取得前馈 3DGS 重建的 SOTA 平均 LPIPS 与 DISTS。其通过解耦几何与属性预测、利用真实相机姿态对齐高斯点并引入大角度目标视角监督实现该改进。位姿条件下平均 LPIPS 与 DISTS 较最强基线分别降低 25.8% 和 32.9%。
LiquidAI发布LFM2.5-24B-A2B推理模型，采用24B参数MoE架构但每次仅激活2B，专为本地智能体设计。
推荐理由：LiquidAI给出24B参数MoE仅激活2B的端侧推理模型，在智能体基准上对标更大模型，并附带本地部署与Agent接入示例，便于评估迁移成本。
Into the Unknown 基准让 9 个前沿 AI 智能体针对量子计算、等离子体物理、计算化学等方向的未发表后续研究各写 15 篇续作论文，共 135 篇均未通过领域科学家的全部条件评估。其中 114 篇因捏造的工作或与记录证据矛盾的数字未通过诚信检查，论文代码和数据均已公开。
推荐理由：原文给出 9 个前沿 agent 在真实科研方向上 135 篇续作的结果，读者可以据此判断现有 agent 离独立科研还有多远。
论文提出 Tracking-Value PPO（TPPO），通过累计式 value 参数化与终局监督改进稀疏奖励下的 credit assignment，在 Qwen3-4B-Base 和 Qwen3-8B-Base 上数学推理分数分别比 PPO 提高 7.0 和 8.4 分。
推荐理由：原文提出了 Tracking-Value PPO 方法与价值演化的可加性分析，可作为稀疏奖励下改进 PPO 价值估计的参考。
VEDJE 用 33M 参数联合编码器在压缩缓存上做视频文本检索，在 MSR-VTT 上以约 49× 更少在线参数达到 59.8 R@1。每段视频压缩至 48 KiB，约为原始视觉特征的 1/128.5，并在匹配的首阶段检索器上额外提升 3.6–7.2 R@1。作者还引入特征变化预测目标以改善检索精度，代码与 Colab 演示已开源。
推荐理由：用一次性视频压缩配合轻量联合编码器替代完整视频重编码，给出了可复现的开源实现和多模态检索的工程取舍。
NoteBank 是一面向线性注意力的稀疏情节记忆机制：把选定文本存档后，通过主干原生前向计算回放，无需额外训练、外挂嵌入模型或独立检索器即可即插即用。
推荐理由：训练无关的稀疏记忆外挂让线性注意力在百万 token 上仍保持检索能力，并可直接挂接到现有预训练骨干上复用。
面壁 MiniCPM-V 4.7 35B-A3B 在 Hugging Face 开源，并同步推出 int4 量化版本，被官方称为首个在端侧可流畅运行且不损失性能的开源 MoE 多模态模型。
推荐理由：原文把 LES、细粒度分层量化和 DSpark 推测解码组合在一起作为端侧 MoE 的可迁移做法，并与 Qwen3.6 35B-A3B 直接比较效率与分数。
面壁 MiniCPM 开源 MiniCPM-V 4.7 35B-A3B 多模态模型，是 MiniCPM-V 系列第一个 MoE 变体。
推荐理由：在端侧实现无损流畅推理的开源 MoE 多模态模型，LES 专家调度与层级量化方案适合和 Qwen3.6 35B-A3B 做性能效率对比。
面壁发布 MiniCPM-V 4.7 35B-A3B，这是 MiniCPM-V 系列首个 MoE 多模态模型，结合 Lookahead Expert Scheduling（LES）跨层预测、层间细粒度量化和 DSpark 推测解码，在 iPhone 17 Pro Max 上以 13+ tokens/s 实现无损端侧流畅推理。
推荐理由：原文同时给出 iPhone 17 Pro Max 上 13+ tokens/s 的实测速度与 LES 调度、层间量化和 DSpark 推测解码三项技术细节，读者可据此评估端侧 MoE 推理的可行边界。
通义千问（Qwen）在 Hugging Face 发布 Qwen-Image-2.1-Turbo，是 Qwen-Image-2.1 的加速检查点，沿用同一 7B 视觉生成架构，支持文生图与图像编辑，默认 CFG=1 并仅需 8 步去噪，配合 prefix KV 缓存复用文本与参考图上下文。
推荐理由：8 步去噪与 prefix KV 缓存是该检查点的核心改动，读者可据此评估它在速度和质量上的取舍。
论文提出 RISEBench 与升级版 RISEBench++，面向推理驱动的视觉编辑任务，并发布训练免费的智能体框架 RISE-Agent。RISEBench++ 拆出六类推理维度共 65 个细粒度任务类型，包含 1000 条英中人工标注样本；评测 58 种编辑方法后，最强的 GPT-Image-2.5 Sunburst 也仅取得 56.6% 准确率。
推荐理由：RISEBench++ 把视觉编辑任务拆成六类推理维度并评测 58 个方法，最强模型仅有 56.6% 准确率，为推理型视觉编辑的能力差距给出可复用的基准。
论文提出 FreeMatching 稠密对应匹配框架，融合生成式与语义基础表征，并在图像编辑与参考引导生成（IEG）场景中保持身份一致性。实验显示单一模型在 IEG 图像对上显著提升匹配质量，同时在经典基准上保持竞争力，其匹配分数与人类判断相关，可作为身份保持的定量评估指标。代码已开源：https://github.com/luping-liu/FreeMatching。
推荐理由：原论文提出不依赖时空先验的稠密匹配框架 FreeMatching，并在图像编辑场景下验证了可量化的身份保持评估方法。
一本名为《Foundations of Large Language Models》的大语言模型教材已在 arXiv 发布，聚焦基础概念而非前沿技术综述。全书共六章，分别讨论预训练、生成模型、提示词、对齐、模型推理与链式推理，面向高校学生及 NLP 领域从业者。论文同时提供 PDF 全文与配套 GitHub 仓库（arXiv:2501.09223）。
作者用 HuggingChat 的 ML Intern 在几天内训练了 6 个定制小模型，包括柑橘病害分类器、Huggy 角色 LoRA、相机视角 LoRA、涂鸦替换 LoRA、0.8B 口袋改写器与 Agate 4 步蒸馏模型，总算力约 103 美元。
推荐理由：作者公开了用 ML Intern 训练小模型的 7 段提示词与项目流程，强调 Verified facts、基线、smoke test 与预算上限等可被迁移使用的写法。
RSI-Anything 提出一个基于 JEPA-Anything 的领域通用递归自改进框架，用预测式世界模型指导动作选择和学习数据筛选，并通过组件与兼容性检查决定是否保留更新后的策略-模型配对。
推荐理由：原文给出在代码修复、GUI、实验规划和反应优化等多个领域的统一自改进框架，读者可以参照其世界模型筛选与版本保留机制设计自己的递归改进流程。
阿布扎比技术创新研究所（TII）发布 1.6B 参数语音识别模型 Falcon-ASR，主打阿拉伯语尤其是阿联酋方言，使用同一组模型权重还支持英语、法语、西班牙语和葡萄牙语。
推荐理由：把模型在公开榜单和内部阿联酋方言评估上的具体 WER 与 CER 数字直接列出，读者可对照已发表系统查看差距。
面壁 MiniCPM-V 4.7 35B-A3B 系列模型上线，其中 FP8 量化版本已托管在 Hugging Face。
推荐理由：原文详述了 MoE 模型在 iPhone 端侧流畅推理的工程组合并给出 13+ tokens/s 实测速度，对评估同类模型的端侧落地可行性有参考价值。
DCOCO（DFlash Contextual Corrector）是一种面向扩散式推测解码的轻量级校正机制，通过对并行草稿相邻位置的多个候选 token 评估上下文兼容性，在不放弃并行性的同时恢复块内依赖。
推荐理由：论文指出扩散式草稿缺少块内依赖这一被忽视的代价，并给出一种轻量级并行上下文评分方案，对推测解码在多并发下的吞吐取舍有参考价值。
研究团队发布 DataVista 基准，包含 961 个真实数据视频和 6775 道评估题，按数据感知、时序推理、叙事理解三层能力框架、10 类细粒度问题与 5 个主题领域组织，用于系统评测多模态大模型的数据视频理解能力。
推荐理由：原文提出数据视频理解新基准，并系统对比 19 个主流多模态模型在感知、推理、叙事三层能力上的差距。
REMORY 提出一种神经网络记忆模块，在文本摘要之外追加一段 soft memory tokens，让冻结的大语言模型仅用 5.2% 的输入位置就能逼近全量上下文的续写效果。
推荐理由：提出用学习型 memory tokens 补充文本摘要，让长上下文智能体仅占 5.2% 的输入位置就逼近全量上下文表现。
Liquid AI 开源两款 d1 系列端侧决策模型 d1-3B 与实验版 d1-omni-600M，分别支持文本+图像和文本+图像/音频输入，单次前向传播而非生成 token。
推荐理由：d1-3B 与 d1-omni-600M 在七个公开基准和多款 Jetson 设备上的跑分被详细列出，读者可直接对照 Decider 系列判断端侧决策模型的部署价值。
Nemotron-3-Ultra-CC 在 IOI 2026 拿到 535.4/600 分（来自与人类选手同条件的非官方测试），超过 361.12 的金牌线；IMO 2026 的 generate-verify-refine 系统由官方阅卷人评分，取得 30/42 分，超过 29 的金牌阈值。
推荐理由：展示了 Nemotron 通过微调与推理协同在 IOI 与 IMO 同时达到金牌水平，并公开了完整数据集与训练配方。
该综述梳理了面向大语言模型的参数内记忆增强方法，将可复用参数对象接入推理前向计算以承载后预训练知识。文中按参数位置（Embedding、Attention、FFN 或混合）与获取时机（在线、离线）两个正交维度分类，并讨论了干扰、安全性以及递归自我改进等开放方向。
Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型，740M 参数、Apache 2.0 协议，在 MTEB Code 上从 68.76 提升至 78.68。
推荐理由：原文给出了 EmbeddingGemma 2 在子 1B 多模态嵌入基准上的表现与端侧显存占用，读者可据此评估它在本地检索管线中的取舍。
论文提出 ViRA，一个与规划器无关的视觉表征对齐框架，并发现 VFM 引导的视觉表征对端到端驾驶的提升幅度取决于目标选择与辅助感知监督。
推荐理由：论文给出可迁移结论，把视觉基础模型表征对齐进端到端规划器时，目标选择与感知监督共同决定最终增益。
研究者将 TabPFN 特征用于表格异常检测，提出不微调的 ZEN 方法和微调的 FOCUS 方法，二者在 ADBench 基准上分别取得高于所有基线及进一步提升的平均 AUROC。该方案在不同 PFN 模型间具有良好泛化性。
MemPilot 论文提出一个用强化学习动态调度多模态智能体记忆策展的框架，按偏好平衡性能、成本与延迟。策略联合控制证据量、策展指令、模型选择和视觉访问，并通过目标维度优势解耦和前缀边际效用估计做多步信用分配；在五个多模态智能体记忆基准上的偏好扫描显示其权衡前沿优于现有基线。
推荐理由：这篇论文提出用强化学习运行时调度多模态记忆策展的方法，可参考其性能-成本-延迟权衡的设计思路。
Microsoft 与 Hugging Face 联合发布 ThinkingBox 基准，通过 OpenEnv 接口开放，覆盖 507 个有状态业务工作流，每个任务重复运行 20 次，按终端数据库状态和副作用评分。
推荐理由：原文用 507 个任务和 20 次重复，量化了一次成功与每次都成的差距，可用于挑选真正可用的 Agent 模型。
该研究通过策略识别、Markov 规则遵循与高阶序列依赖的受控实验，揭示了大语言模型在识别策略与忠实模拟之间存在显著差距：更长上下文未必带来帮助，且匹配的动作分布可能掩盖根本错误的生成机制。这些发现对将大语言模型作为行为模拟器和交互式智能体的评估方式提出了挑战。论文见 https://arxiv.org/abs/2610.04977
推荐理由：原文用受控实验区分识别策略与忠实模拟，指出更长上下文未必有效，并提示现有评测可能高估大语言模型的序列行为能力。
DiffGate 提出一种面向 on-policy 蒸馏的训练目标，把 GRPO 与按群体难度筛选的教师监督结合，仅对失败轨迹施加教师引导并做边界裁剪，避免极端师生差异主导优化。
推荐理由：原文给出 DiffGate 目标的具体设计与量化收益，读者可据此判断在小模型后训练中引入难度门控教师引导的迁移价值。
DistScene 提出一个面向单图像组合式 3D 场景生成的框架，将环境与物体作为独立组件在同一坐标系中联合建模，并通过对象到场景知识蒸馏将预训练物体生成先验迁移到场景生成。其 Scene-Frame Generation 与 Object-Centric Refinement 两个步骤共同学习几何与相对位置关系，在室内与室外基准上相比基线展现出更好的场景级空间连贯性。
SEER 是一个面向时间序列预测的闭环框架，将预测误差解耦为反射式检索记忆与持续因果知识库两类反馈机制，分别用于过滤噪声、修正后续检索查询，以及提炼可迁移的领域动态。框架在事件检索与反思过程中强制严格的时间顺序约束，以防止前视偏差和数据泄露。在六个波动性时间序列 benchmark 上，SEER 持续超越现有 SOTA 时序基础模型和大语言模型基线。
MetaRubric 提出
SimuVerity 是面向工程级 Simulink 模型生成的智能体评测基准，包含 10 个工程领域的 101 个任务。该基准采用分层评估器，从交付物、可执行性、工程合格性及 6 个维度对生成模型打分。在 6 个智能体系统的评测中，最佳系统总分仅 42.86，部分高分模型仍存在严重视觉布局混乱。
DEFINE 是端到端零样本 TTS 框架，通过分别用参考音频控制说话人身份和目标口音实现解耦。该框架基于 F5-TTS 与参数高效 LoRA 适配，无需推理时口音标签或合成后波形转换，单个推理时引导权重即可连续调节口音强度而无需重新训练。
NVIDIA 发布开源表格预测基础模型 Kumo Tabular，无需训练或特征工程即可在单次前向中对分类与回归任务预测新行标签。模型分 28M 到 215M 三种参数量，在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个公开榜单上均排名第一。
推荐理由：原文给出无需训练、单次前向即可预测的表格预测基础模型，在四个公开榜单上均居首位，可作为评估其相对现有表格方法的精度与效率参考。
H Company 发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 两个规格，基于 Qwen 基座训练，可通过 GUI、代码、MCP 和 API 与软件交互。
推荐理由：在 OSWorld 2.0 等基准上以远小于闭源前沿模型的参数量逼近头部表现，并开源权重与完整训练轨迹供复现。
Hugging Face Hub 上线 RL Environments 专区，新增 rl-environment 数据集筛选器和 harbor、verifiers、openenv、nemo-gym 四个框架标签。
推荐理由：原文说明了把任务数据放回 Hub、由框架负责运行时的分工思路，并给出多框架的实际运行命令。